O que é e para que serve
A Perplexity lançou o Portable Computer — uma versão local da sua plataforma de agentes Computer, que agora roda na estação compacta NVIDIA DGX Spark. Não é uma prévia nem um build experimental, mas um software de lançamento completo: o orquestrador, o planejador, o roteador de ferramentas e os modelos ajustados estão instalados diretamente no dispositivo.
O produto não é voltado para o mercado de massa. Os principais compradores são grandes empresas e negócios de médio porte que já possuem estações NVIDIA, além de startups AI-native bem financiadas. Para pequenas empresas comuns, essa compra dificilmente se pagaria. Pelo posicionamento, o sistema interessa principalmente aos setores de finanças, direito, saúde, governo, defesa e equipes de engenharia que trabalham com propriedade intelectual sensível.
Como funciona o sistema local
Tudo o que é necessário vem em um único pacote: modelo local, motor de inferência, harness de agente, sandbox para ferramentas e conectores de aplicativos. O usuário escolhe entre Qwen 3.8 27B e PPLX 27B — a segunda opção é um modelo ajustado pela própria Perplexity. Em breve, prometem adicionar o modelo aberto NVIDIA Nemotron 3.5 Lightning com arquitetura MoE de 30 bilhões de parâmetros. Se quiser usar algo próprio, há suporte para modelo BYO e servidor de inferência próprio.
O código e as chamadas de ferramentas são executados dentro de uma sandbox controlada pelo sistema operacional. Ela restringe rigorosamente processos, acesso a caminhos do sistema de arquivos e conexões de rede. Se a sandbox ficar indisponível, a execução de ferramentas é simplesmente desativada — sem transição silenciosa para um modo inseguro.
Integrações com Gmail, Outlook, Slack e GitHub são roteadas pelo orquestrador local. Para evitar que o modelo se perca no contexto, os desenvolvedores aplicaram alguns truques: o prompt do sistema e o conjunto de ferramentas são mantidos pequenos, habilidades especializadas são carregadas sob demanda e os conectores são formatados como utilitários CLI compactos, em vez de definições MCP completas. Durante execuções longas, o contexto desatualizado é compactado. Isso é importante, pois o Qwen declara uma janela de 260K tokens, mas na prática a degradação começa por volta de 100K.
Quando a tarefa vai para a nuvem
Etapas locais não são cobradas por tokens — a cobrança ocorre apenas em operações na nuvem. Cada tarefa começa no dispositivo. Se o agente precisar de acesso direto à web ou de raciocínio realmente complexo, o orquestrador pausa e pergunta ao usuário se pode enviar apenas aquela etapa para fora. Há mais de 15 modelos de nuvem disponíveis para escolha.
Antes do envio, o harness seleciona apenas o contexto relevante, passa por um classificador de PII e mostra exatamente quais dados deixarão a máquina. O conselheiro em nuvem recebe a etapa aprovada e retorna instruções textuais. Ele não tem acesso direto a arquivos locais, ferramentas ou histórico do diálogo. O resultado é um esquema híbrido: a parte privada permanece no dispositivo, e os cálculos pesados são delegados externamente de forma pontual e sob controle do proprietário.
Resultados em benchmarks
A Perplexity apresenta medições próprias no conjunto Local Knowledge Work Bench, com 53 tarefas de agente computacional. Com o modelo Qwen 3.8 27B na NVIDIA DGX Spark, a versão local alcançou 82,6%. Para comparação: o harness aberto Pi obteve 77,6%, e o Hermes no mesmo modelo, 74,0%. A troca para o modelo PPLX 27B eleva o resultado para 85,4%.
No teste BrowseComp, a plataforma de agentes obteve 66,7% contra 50,2% do Pi e 43,9% do Hermes. Além disso, gastou 51% menos tempo e 70% menos tokens que o Pi. Uma diferença ainda mais notável aparece no teste ParseBench-100 para compreensão visual de documentos: 65,1% contra 34,6% e 13,9%, respectivamente.
No Terminal Bench 2.1, uma execução totalmente local resultou em 59,6% com custo marginal praticamente zero. Ao conectar o conselheiro em nuvem, o resultado sobe para 73,0%, e o custo por rollout é de cerca de US$ 0,415. Para referência: o modelo isolado Claude Opus 5 no mesmo teste obtém 82,4%, mas custa aproximadamente US$ 0,65 por execução. A escalada reduz visivelmente a diferença para os modelos mais fortes, mas não a elimina completamente. Já o modo local permanece quase gratuito.
Requisitos técnicos e disponibilidade
Para instalação na NVIDIA DGX Spark, é necessário o superchip GB10, 128 GB de memória e pelo menos 1 TB de armazenamento. O orquestrador baseado em Qwen 3.8 27B é fornecido em quantização de 3 bits: download de 17,4 GB, com 32 GB de RAM necessários. A versão com NVIDIA Nemotron 3.5 Lightning é de 4 bits, ocupa 19 GB e exige 36 GB de RAM. Em outros sistemas, é possível usar DGX OS ou Ubuntu em ARM ou x64 com placa de vídeo RTX e no mínimo 24 GB de VRAM. A instalação é feita pelo repositório apt padrão.
No lançamento, o sistema está disponível Linux-first para assinantes Pro, Max, Enterprise Pro e Enterprise Max. A versão para Windows é esperada para setembro, e macOS ainda não está no roadmap. Um detalhe importante: apenas um DGX Spark é suportado na execução; o cluster de vários dispositivos está planejado para o futuro.
Em essência, é uma tentativa de criar um ambiente de agente privado que não exige conexão constante com a internet nem pagamento por cada chamada local, mas que sabe conectar modelos de nuvem poderosos quando isso é realmente justificado.
